AI Research Engineer (Search & Agent) (경력)

AI Search Platform과 핵심 모델 연구·개발. 상품·장소·웹 문서·대화 등 다도메인 AI 검색 모델 연구, 검색 품질 평가용 데이터셋·벤치마크·학습 파이프라인 구축, 실제 서비스 적용 및 대규모 트래픽 환경 성능 검증. Agentic Search LLM 연구, GRPO 등 기반 LLM 학습 및 최적화, 검색 인덱스·API와 상호작용하는 Agent 학습. 검색 랭킹 모델의 Embedding/Cross Encoder 학습, Dense Retrieval·Reranking·Hybrid Search 품질 개선 및 서빙 최적화. 저품질 데이터 탐지, 속성 추출·정규화, LLM-as-a-Judge 기반 품질 평가 체계 구축.

관련 경력 2년 이상. 머신러닝 기본 개념과 학습 원리를 이해하고 Loss, Optimization, Sampling, Evaluation Metric 선택 이유를 설명할 수 있어야 합니다. 학습이 잘되지 않을 때 가설을 세우고 재현 가능한 실험으로 원인을 좁혀본 경험, 오프라인 지표와 실제 서비스 품질의 차이를 이해하고 학습부터 추론·평가·배포까지 고려해 문제를 풀어본 경험이 필요합니다. 분야별로는 Agentic Search LLM은 PPO·GRPO 등 Policy Optimization 기반 LLM 강화학습 경험이 필수이며, Search Ranking Model은 Embedding/Bi-Encoder/Cross Encoder 학습 및 검색 데이터 구성·Negative Sampling·평가 경험이 필요합니다. Search Data Modeling은 LLM/Embedding/분류 모델로 데이터 품질 문제를 해결하고 평가 데이터셋과 지표를 직접 설계·구현한 경험이 필요합니다.